[논문 리뷰] Hidden cliques and the certification of the restricted isometry property

Pascal Koiran, Anastasios Zouzias|arXiv (Cornell University)|2012. 11. 04.

Sparse and Compressive Sensing Techniques참고 문헌 17인용 수 5

한 줄 요약

이 논문은 감지 행렬에 대한 제한된 이sovolece 성질(RIP) 매개변수를 근사화하는 계산의 난이도를 규명하며, 은닉 클리크 문제의 난이도가 가정될 경우, 다항시간 알고리즘이 작은 RIP 매개변수를 가진 행렬과 상당히 더 큰 매개변수를 가진 행렬을 구분할 수 없다는 것을 보여준다. 또한, 브루트포스 방법보다 준다항시간 성능을 보이는, √n 장벽을 넘어설 수 있는 게으른 순열 알고리즘을 제안한다.

ABSTRACT

Compressed sensing is a technique for finding sparse solutions to underdetermined linear systems. This technique relies on properties of the sensing matrix such as the restricted isometry property. Sensing matrices that satisfy this property with optimal parameters are mainly obtained via probabilistic arguments. Deciding whether a given matrix satisfies the restricted isometry property is a non-trivial computational problem. Indeed, we show in this paper that restricted isometry parameters cannot be approximated in polynomial time within any constant factor under the assumption that the hidden clique problem is hard. Moreover, on the positive side we propose an improvement on the brute-force enumeration algorithm for checking the restricted isometry property.

연구 동기 및 목표

• 감지 행렬에 대한 제한된 이sovolece 성질(RIP)을 검증하거나 근사화하는 데 있어 계산 복잡도를 조사하는 것.
• 특히 전통적 방법이 실패하는 √n 임계값을 넘어서는 경우에 효율적인 알고리즘이 존재하는지 여부를 판단하는 것.
• 확률적 구성과 명시적, 검증 가능한 구성 간 격차를 메우기 위해 알고리즘적 검증의 가능성을 분석함으로써, RIP 매트릭스의 구성 간 격차를 메우는 것.
• RIP 검증과 은닉 클리크 문제 사이의 연결 고리를 설정함으로써, 그래프 이론에서의 난이도 가정을 압축 감지로 이전하는 것.

제안 방법

• 은닉 클리크 문제에서 RIP 매개변수의 작은 값과 큰 값을 구분하는 문제로의 환원을 활용한다.
• 행렬 $ C'(G) = \begin{pmatrix} C(G) & 0 \\ 0 & B_n \end{pmatrix} $ 를 구성하며, 여기서 $ C(G) $ 는 그래프 $ G $ 를 인코딩하고, $ B_n $ 은 높은 확률로 RIP를 만족하는 랜덤 행렬이다.
• 그래프 $ G $ 가 큰 클리크를 포함하면 $ C(G) $ 는 큰 매개변수로 RIP를 만족하지 못하고, 그렇지 않으면 작은 매개변수로 만족한다는 사실을 이용한다.
• 집중 결과(예: 정리 2) 를 적용하여, 특정 $ k $ 와 $ \delta $ 에 대해 랜덤 행렬 $ B_n $ 이 높은 확률로 RIP를 만족함을 보인다.
• Erdős–Rényi 무작위 그래프 $ G(n,1/2) $ 에서 크기 $ n^{1/2 - \epsilon} $ 의 클리크를 탐지할 수 있는 다항시간 알고리즘이 존재하지 않는다는 가정 $ H'_{\epsilon} $ 을 사용한다.
• 가설적인 다항시간 알고리즘이 RIP 매개변수를 구분할 수 있다면 은닉 클리크 가정과 모순됨을 보여, 난이도 결과를 유도한다.

실험 결과

연구 질문

• RQ1 어떤 상수 요인 내에서 다항시간에 매트릭스의 제한된 이sovolece 성질(RIP) 매개변수를 근사화할 수 있는가?
• RQ2 크기 $ k > \sqrt{n} $ 인 매트릭스에 대해 RIP를 검증하는 데 계산적 장벽이 존재하는가? 만약 존재한다면 그 기원은 무엇인가?
• RQ3 RIP를 확인하기 위한 브루트포스 순열 알고리즘은 어느 정도 향상시킬 수 있으며, 이는 √n 장벽을 넘는 데 도움이 되는가?
• RQ4 은닉 클리크 문제의 난이도는 압축 감지에서 RIP 매개변수를 검증하는 데 있어 복잡도에 어떤 영향을 미치는가?

주요 결과

• 가정 $ H'_{\epsilon} $ 에 기반하여, $ k = n^{(1-2\epsilon)(1-\epsilon)} $ 인 경우, $ \delta = n^{-5\epsilon/4 + \epsilon^2/2} $ 인 매트릭스와 $ \geq n^{-\epsilon}/4 $ 인 매트릭스를 다항시간 알고리즘이 구분할 수 없다.
• 이 난이도 결과는 크기가 $ 2n \times 100n $ 인 매트릭스에도 적용되며, 직사각형 매트릭스의 경우에도 RIP 매개변수 근사화가 어렵다는 것을 보여준다.
• 게으른 순열 알고리즘을 제안하며, 전체 $ \binom{N}{k} $ 순열을 피하기 위해 크기 $ l < k $ 의 더 작은 부분공간을 사용함으로써, √n 장벽을 넘어선 준다항시간 검증이 가능해진다.
• 이론적 트레이드오프를 설정함: 낮은 순서의 RIP 매개변수를 통해 주어진 $ k $ 와 $ \delta $ 를 달성하는 것이 충분하며, 이는 재귀적 또는 반복적 검증 전략을 가능하게 한다.
• $ k = n^{1/3} $ 인 경우, $ H_{1/6} $ 하에 $ \delta_1 = n^{-1/4} $ 와 $ \delta_2 = n^{-1/6}/4 $ 를 구분하는 것이 어렵다는 것을 보여, 이 난이도 프레임워크의 강건성을 입증한다.
• 결과적으로, $ n \to \infty $ 일 때 $ \delta \to 0 $ 인 대부분의 랜덤 매트릭스에 대해 RIP를 검증하는 것은 은닉 클리크 가정이 잘못되지 않는 한 여전히 계산적으로 불가능하다는 것을 시사한다.